中圖分類(lèi)號(hào)］F592 [文獻(xiàn)標(biāo)識(shí)碼］A [文章編號(hào)]1674-3784（2025）07-0018-17

0 引言

主題公園是具有一定規(guī)模的，包含一個(gè)或多個(gè)特定主題，為游客有償提供休閑或文化娛樂(lè)產(chǎn)品與服務(wù)的園區(qū)，通常以營(yíng)利為目的興建，實(shí)行封閉管理[。大型主題公園的建設(shè)與運(yùn)營(yíng)往往會(huì)影響游客的旅游路線安排與目的地選擇[2]，甚至吸引游客專(zhuān)程到項(xiàng)目所在城市進(jìn)行游覽。例如，環(huán)球影城度假區(qū)和迪士尼度假區(qū)等國(guó)際主題公園項(xiàng)目，憑借其全球影響力與品牌號(hào)召力，每年都吸引大量游客專(zhuān)程前往[3]。國(guó)際主題公園落地中國(guó)，一方面是品牌方看中中國(guó)市場(chǎng)的巨大消費(fèi)潛力，另一方面是落地城市也看好大型主題公園項(xiàng)目對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的推動(dòng)作用[4]

主題公園是旅游研究的重要對(duì)象。學(xué)者圍繞主題公園的屬性特征、空間結(jié)構(gòu)與游客體驗(yàn)等開(kāi)展研究，比如：McClung分析了主題公園相關(guān)因素對(duì)于城市旅游流的影響，指出主題公園的品牌影響力、地理位置和交通便利性是影響游客選擇的重要因素[5]；Zhang等從空間視角出發(fā)，發(fā)現(xiàn)主題公園的空間結(jié)構(gòu)和吸引力屬性會(huì)影響游客的分布和移動(dòng)[]；Bigné等7]以主題公園游客情緒對(duì)滿意度的影響為切入點(diǎn)，提出愉悅情緒會(huì)影響游客的滿意度，從而影響游客流動(dòng)。這些研究在理論層面深化了對(duì)主題公園與游客空間行為之間關(guān)系的認(rèn)識(shí)，但以橫截面數(shù)據(jù)分析為主，也未將主題公園納入城市旅游網(wǎng)絡(luò)結(jié)構(gòu)考慮。

上海迪士尼于2016年6月正式投入運(yùn)營(yíng)，開(kāi)園當(dāng)年就創(chuàng)下了游客接待量超過(guò)1100萬(wàn)的佳績(jī)，迅速成為上海最具標(biāo)志性的旅游地標(biāo)之一。2023年，上海迪士尼游客總接待量超過(guò)1300萬(wàn)人次，再次刷新園區(qū)接待量的歷史記錄，展現(xiàn)出強(qiáng)勁的市場(chǎng)號(hào)召力和持續(xù)性的旅游吸引力。目前，上海迪士尼投入運(yùn)營(yíng)并融入上海旅游發(fā)展格局已超過(guò)8年，配套設(shè)施（如交通體系）日趨完善，旅游平臺(tái)中與其有關(guān)的旅游線路更加豐富、成熟，上海迪士尼在游客游覽路線中的角色以及對(duì)游客旅游線路選擇的影響已基本穩(wěn)定，通過(guò)游客游覽線路分析上海迪士尼對(duì)上海城市旅游流網(wǎng)絡(luò)的影響的時(shí)機(jī)已經(jīng)成熟。本文嘗試通過(guò)分析上海迪士尼度假區(qū)開(kāi)業(yè)前與開(kāi)業(yè)后的游客游覽路線，構(gòu)建上海城市旅游流網(wǎng)絡(luò)，探究上海迪士尼對(duì)上海城市旅游網(wǎng)絡(luò)特征的影響，為分析主題公園與城市旅游網(wǎng)絡(luò)結(jié)構(gòu)之間的關(guān)系提供動(dòng)態(tài)視角。

蔚海燕等曾使用2016—2017年的游客評(píng)論數(shù)據(jù)分析上海迪士尼開(kāi)業(yè)前后的上海旅游流網(wǎng)絡(luò)進(jìn)行分析，發(fā)現(xiàn)上海迪士尼開(kāi)業(yè)后，上海旅游流網(wǎng)絡(luò)從以上海野生動(dòng)物園、東方明珠兩者為核心，轉(zhuǎn)變?yōu)樯虾５鲜磕?、東方明珠、上海野生動(dòng)物園構(gòu)成的三核心結(jié)構(gòu)，且上海浦東新區(qū)的景點(diǎn)重要程度有所增加，最熱門(mén)旅游路線均涉及浦東新區(qū)的熱門(mén)景點(diǎn)，體現(xiàn)出上海迪士尼對(duì)周邊旅游節(jié)點(diǎn)的帶動(dòng)作用[8]37-41。由于該項(xiàng)研究開(kāi)展時(shí)上海迪士尼僅運(yùn)營(yíng)1年，且受限于研究數(shù)據(jù)（上海38個(gè)旅游景點(diǎn)的游客評(píng)論），景點(diǎn)數(shù)量較少，難以全面覆蓋非傳統(tǒng)旅游景點(diǎn)或游客實(shí)際游覽但未點(diǎn)評(píng)的旅游景點(diǎn)，其作為新增節(jié)點(diǎn)對(duì)上海旅游流網(wǎng)絡(luò)的影響尚不穩(wěn)定或尚未充分顯現(xiàn)。

構(gòu)建目的地旅游流網(wǎng)絡(luò)是分析區(qū)域旅游流特征的重要方式[9-10]。眾多研究者通過(guò)游客游覽線路確定游客訪問(wèn)節(jié)點(diǎn)的共現(xiàn)關(guān)系，繼而使用社會(huì)網(wǎng)絡(luò)分析方法[11-13]，計(jì)算相關(guān)指標(biāo)，揭示旅游流網(wǎng)絡(luò)的整體與節(jié)點(diǎn)特征。這些研究所使用的數(shù)據(jù)源豐富多樣，包括互聯(lián)網(wǎng)上的游記與照片[14]、網(wǎng)絡(luò)平臺(tái)上出售的旅游線路產(chǎn)品[15]以及游客移動(dòng)通信設(shè)備定位信息[16-17]等。其中，旅游網(wǎng)絡(luò)平臺(tái)的游客游記是研究者使用最多的數(shù)據(jù)資源。游客不僅在網(wǎng)絡(luò)游記中分享自己的游玩感受，還記錄了具體的行程安排[18]。通過(guò)提取網(wǎng)絡(luò)游記中的游客游覽線路，研究者可以獲取不同景點(diǎn)在游客游覽線路中的共現(xiàn)情況，構(gòu)建旅游流網(wǎng)絡(luò)，分析不同景點(diǎn)在旅游流網(wǎng)絡(luò)中的位置以及景點(diǎn)聯(lián)系的緊密度。如，姚占雷等通過(guò)網(wǎng)絡(luò)游記識(shí)別了華東地區(qū)AAAAA級(jí)景點(diǎn)的共現(xiàn)關(guān)系，識(shí)別出主要的景點(diǎn)類(lèi)型[19]。孫媛媛等從39個(gè)運(yùn)河沿岸城市的網(wǎng)絡(luò)游記中獲取旅游流數(shù)據(jù)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法（SNA）和指數(shù)隨機(jī)圖模型（ERGM）分析城市旅游吸引力、城市環(huán)境質(zhì)量、城市可達(dá)性和經(jīng)濟(jì)發(fā)展水平對(duì)運(yùn)河沿岸城市旅游網(wǎng)絡(luò)特征的影響[20]。上述研究關(guān)注的主題雖存在差異，但都采用特定區(qū)域范圍內(nèi)的游覽線路數(shù)據(jù)，揭示某一時(shí)段內(nèi)的旅游流網(wǎng)絡(luò)特征，但受限于研究視角，并未關(guān)注網(wǎng)絡(luò)結(jié)構(gòu)的時(shí)間變化特征。

大語(yǔ)言模型是指使用大量文本數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型，它可以理解語(yǔ)言文本的含義，并生成自然語(yǔ)言文本。自大語(yǔ)言模型誕生以來(lái)，涌現(xiàn)出一批將大模型用于自然語(yǔ)言處理的研究。如裴炳森等利用ChatGPT對(duì)電信詐騙案件的文本語(yǔ)料進(jìn)行預(yù)處理和知識(shí)抽取，構(gòu)建了案發(fā)時(shí)間、涉案金額等評(píng)估案件影響因素的知識(shí)圖譜[21]，也有研究者借助大模型生成新聞報(bào)告[22]，或抽取電子病歷信息等[23]。由于大模型具備強(qiáng)大的數(shù)據(jù)處理能力與文本理解能力，使用大模型進(jìn)行文本數(shù)據(jù)處理能夠在提高數(shù)據(jù)處理效率的同時(shí)，取得良好的文本分析效果。

旅游學(xué)術(shù)界向來(lái)重視對(duì)先進(jìn)技術(shù)和研究方法的運(yùn)用[24-26]。比如，在文本[27]和圖片內(nèi)容處理[28]方面，從早期基于規(guī)則的決策支持系統(tǒng)[29]到近期的深度神經(jīng)網(wǎng)絡(luò)模型[30]都在旅游研究中得到應(yīng)用?；赥ransformers的大語(yǔ)言模型[31-33]也得到了較多關(guān)注[34]，研究者主要聚焦大模型在旅游線路制定和信息檢索等[35的作用，而應(yīng)用大模型進(jìn)行旅游研究數(shù)據(jù)的處理與分析仍處于探索階段。

本研究嘗試?yán)么笳Z(yǔ)言模型進(jìn)行游客游記的篩選與旅游路線的抽取及處理，探索大語(yǔ)言模型在旅游研究數(shù)據(jù)處理中的應(yīng)用，希望可以為相關(guān)研究提供一條可供借鑒的數(shù)據(jù)分析路徑。具體地說(shuō)，本研究從多個(gè)旅游平臺(tái)獲取旅游者發(fā)布的游記，撰寫(xiě)提示詞，利用大模型識(shí)別符合要求的游記內(nèi)容，并從游記中提取游客游覽線路。在人工校驗(yàn)與完善后，根據(jù)線路節(jié)點(diǎn)的共現(xiàn)關(guān)系構(gòu)建上海旅游流網(wǎng)絡(luò)，對(duì)比上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后的網(wǎng)絡(luò)特征，分析上海迪士尼對(duì)上海旅游流網(wǎng)絡(luò)的影響。由于研究過(guò)程中不事先限定景點(diǎn)范圍，網(wǎng)絡(luò)節(jié)點(diǎn)均從游客游記中產(chǎn)生，研究結(jié)果可以更全面地反映游客在上海的旅游線路情況，能為探究上海迪士尼對(duì)游客線路選擇的影響提供可靠證據(jù)。

1 研究數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源與處理

本文的研究數(shù)據(jù)來(lái)源于馬蜂窩、同程旅游、去哪兒和攜程旅游四大游記平臺(tái)，這些平臺(tái)的游記除了閱讀量更高，其內(nèi)容還包含了游客游覽線路中的景點(diǎn)名稱(chēng)，能有效地反映游客在旅游目的地期間的游覽路線。本研究以“上海\"為檢索字段，爬取4個(gè)平臺(tái)與上海有關(guān)的用戶游記，包括游記作者、發(fā)布時(shí)間以及游記內(nèi)容等，共計(jì)獲得游記5351篇，其中，馬蜂窩游記1484篇，同程旅游游記1514篇，去哪兒游記2005篇，攜程旅游游記348篇。

在數(shù)據(jù)分析前，本文對(duì)可正常訪問(wèn)的游記數(shù)據(jù)進(jìn)行了清洗與預(yù)處理，刪除內(nèi)容為空和內(nèi)容重復(fù)的游記后，調(diào)用智譜GLM4-PLUSAPI，撰寫(xiě)第一輪提示詞對(duì)游記內(nèi)容進(jìn)行判斷，以篩選符合要求的游記，最終獲得符合要求的游記2878篇。樣本游記的創(chuàng)作時(shí)間跨度為2010年5月7日至2024年10月6日，其中，發(fā)布時(shí)間先于上海迪士尼開(kāi)園日期（2016年6月16日）的游記有771篇，開(kāi)園后發(fā)布的游記有2107篇。

接下來(lái)，本文撰寫(xiě)第二輪提示詞，使用大模型從游記中提取游客的游覽線路。為了確保數(shù)據(jù)準(zhǔn)確可靠，本文通過(guò)不斷迭代優(yōu)化提示詞，并通過(guò)隨機(jī)抽取 30% 的游記作為測(cè)試集，對(duì)篩選和線路提取結(jié)果進(jìn)行人工校驗(yàn)。針對(duì)“是否為游記”的判斷，測(cè)試集中所有人工判斷為游記的，均被大模型判斷為“是”，召回率達(dá) 100% ；在旅游路線的判斷上，輸出的結(jié)果準(zhǔn)確率超過(guò) 92% ，表明大模型提取游客游覽線路的效果較好。

在完成游記數(shù)據(jù)與旅游路線數(shù)據(jù)的采集和提取后，本研究對(duì)地名進(jìn)行了標(biāo)準(zhǔn)化處理。首先對(duì)原始數(shù)據(jù)進(jìn)行去重，共獲得11468個(gè)初始地名記錄。由于不同游客對(duì)同一地名的表達(dá)方式可能存在差異，本文對(duì)指向同一景點(diǎn)的不同名稱(chēng)進(jìn)行統(tǒng)一。具體地說(shuō)，本文從攜程旅游網(wǎng)站獲取了與上海有關(guān)的215個(gè)熱門(mén)景點(diǎn)名稱(chēng)并構(gòu)建詞表，使用Python3.12的FuzzyWuzzy庫(kù)對(duì)游記中出現(xiàn)的地名與詞表中215個(gè)上海地名進(jìn)行匹配，將相似度超過(guò)70分的地名視為同一地名，并對(duì)未達(dá)到匹配要求的地名進(jìn)行內(nèi)部匹配。此外，本文通過(guò)人工篩查對(duì)合并結(jié)果進(jìn)行校驗(yàn)，并剔除不屬于上海的地名，最終得到2254個(gè)獨(dú)特的景點(diǎn)名稱(chēng)。

1.2 社會(huì)網(wǎng)絡(luò)分析

本研究基于游客實(shí)際游覽路線構(gòu)建有向加權(quán)網(wǎng)絡(luò)模型，以名稱(chēng)標(biāo)準(zhǔn)化處理后的景點(diǎn)作為網(wǎng)絡(luò)節(jié)點(diǎn)，將同一條旅游線路中相鄰景點(diǎn)的共現(xiàn)關(guān)系定義為有向邊，并采用共現(xiàn)頻次作為邊權(quán)重（每共線1次，則權(quán)重增加1）。網(wǎng)絡(luò)構(gòu)建與分析過(guò)程主要依托Python3.12環(huán)境下的 NetworkX 3.4.2 和 Community 1.0.0bl工具包實(shí)現(xiàn)。對(duì)比上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后的網(wǎng)絡(luò)特征，分析上海迪士尼對(duì)上海旅游流網(wǎng)絡(luò)的影響。其中，中心性分析是社會(huì)網(wǎng)絡(luò)分析中用以識(shí)別網(wǎng)絡(luò)中節(jié)點(diǎn)重要程度或影響力的方法，主要包括點(diǎn)度中心性、接近中心性與中介中心性分析。子群分析旨在揭示網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)和節(jié)點(diǎn)之間的緊密聯(lián)系，常見(jiàn)的分析方法包括凝聚子群分析（識(shí)別網(wǎng)絡(luò)中存在的聚集或“小團(tuán)體”現(xiàn)象）和核心一邊緣分析（按照節(jié)點(diǎn)重要程度，將網(wǎng)絡(luò)中的節(jié)點(diǎn)劃分為核心節(jié)點(diǎn)和邊緣節(jié)點(diǎn)）。中心性分析與子群分析主要基于歸一化處理的數(shù)據(jù)，故雖然迪士尼開(kāi)業(yè)前后的游記數(shù)量有差異，但本研究重點(diǎn)關(guān)注網(wǎng)絡(luò)中景點(diǎn)的排序變化以及子群結(jié)構(gòu)模式的變化，可以最大限度地避免樣本量差異對(duì)研究結(jié)論的影響。

2 結(jié)果與分析

2.1 網(wǎng)絡(luò)整體特征

上海迪士尼開(kāi)業(yè)前的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量為753，邊的數(shù)量1813，平均每位游客游覽景點(diǎn)4.72個(gè)，網(wǎng)絡(luò)密度為0.03；而開(kāi)園后的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量為1705，邊的數(shù)量3954，平均每位游客游覽景點(diǎn)4.05個(gè)，網(wǎng)絡(luò)密度為0.01。上海旅游流網(wǎng)絡(luò)中景點(diǎn)之間的連接程度僅為理論上最大值的 3% 和 1% ，這主要是由于本研究中的旅游網(wǎng)絡(luò)為有向網(wǎng)絡(luò)，同一線路中的不相鄰景點(diǎn)未被視為共線關(guān)系，研究結(jié)果表明景點(diǎn)間的直接聯(lián)系較為稀疏。上海迪士尼開(kāi)業(yè)后的網(wǎng)絡(luò)密度低于開(kāi)業(yè)前，一方面是由于游客訪問(wèn)的景點(diǎn)更加多元化，使得網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)量增加，另一方面是由于游客行程中包含的京點(diǎn)數(shù)降低，仃程更具有針對(duì)性。

對(duì)上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后游記中涉及的景點(diǎn)出現(xiàn)頻次進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)兩個(gè)網(wǎng)絡(luò)中分別有 19.0% 和 19.6% 的節(jié)點(diǎn)出現(xiàn)頻次不超過(guò)2次，且出現(xiàn)頻次前100的節(jié)點(diǎn)占網(wǎng)絡(luò)中所有節(jié)點(diǎn)總出現(xiàn)頻次的 72.6% 和 62.4% ，體現(xiàn)出游客游覽景點(diǎn)的集中性，且上海迪士尼開(kāi)業(yè)后游客游覽景點(diǎn)相較于開(kāi)業(yè)前更加分散。圖1顯示了上海迪士尼開(kāi)業(yè)前和開(kāi)業(yè)后出現(xiàn)瀕次前100的景點(diǎn)，橫坐標(biāo)為景點(diǎn)排序，縱坐標(biāo)為出現(xiàn)瀕次。在上海迪士尼開(kāi)業(yè)前，前二十位的景點(diǎn)累計(jì)出現(xiàn)頻次占前100個(gè)景點(diǎn)總出現(xiàn)頻次的 68.2% ，前二十五位的景點(diǎn)占比為 72.8% ;在上海迪士尼開(kāi)業(yè)后，這兩項(xiàng)比例分別提高為 69.9% 和 74.2% ，表明雖然在上海迪士尼開(kāi)業(yè)后游客游覽的景點(diǎn)更加分散，但是頭部景點(diǎn)的出現(xiàn)頻次卻更加集中。結(jié)合圖1，可以發(fā)現(xiàn)前三位的景點(diǎn)出現(xiàn)頻次存在較大差異，且與排名其后的景點(diǎn)拉開(kāi)差距。表1詳細(xì)展示了游客游記中出現(xiàn)頻次最高的25 個(gè)景點(diǎn)。上海迪士尼開(kāi)業(yè)后，迪士尼度假區(qū)以32.48% 的提及率成為上海最受矚目的景點(diǎn)，上海傳統(tǒng)的標(biāo)志性景點(diǎn)如外灘、南京路步行街、城隍廟、東方明珠和豫園在上海迪士尼開(kāi)業(yè)后雖仍名列前茅，但游客訪問(wèn)比例均出現(xiàn)下降，如外灘從 47.60% 降低為 30.71% ，南京路步行街從 30.09% 降低為 19.13% ，城隍廟從 31.65% 降低為 14.14% 。此外，上海迪士尼開(kāi)業(yè)后，上海科技館、上海野生動(dòng)物園等躋身前二十五位，取代了上海世博園、虹橋機(jī)場(chǎng)、甜愛(ài)路等，上海博物館（由第十位上升到第八位）和外白渡橋（由第十三位上升到第十一位）等歷史文化類(lèi)景點(diǎn)的排名也有所上升，而陸家嘴（由第七位下降到第十位）和新天地（由第八位下降到第十二位）等現(xiàn)代都市風(fēng)光型景點(diǎn)的排名則出現(xiàn)下降。

圖1上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海Top1OO景點(diǎn)詞頻分布

表1上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海出現(xiàn)頻次最高的25個(gè)景點(diǎn)（由高到低排列）

續(xù)表1

2.2 節(jié)點(diǎn)中心性分析

2.2.1 點(diǎn)度中心度分析

表2顯示了上海迪士尼開(kāi)業(yè)前和開(kāi)業(yè)后上海旅游流網(wǎng)絡(luò)中各節(jié)點(diǎn)的點(diǎn)度中心度。其中，內(nèi)向中心度和外向中心度分別表示在旅游網(wǎng)絡(luò)中從其他景點(diǎn)到某個(gè)景點(diǎn)的路線數(shù)量，以及從某個(gè)景點(diǎn)到其他景點(diǎn)的路線數(shù)量。上海迪士尼開(kāi)業(yè)前，外灘（100）、城隍廟（80.7）和南京路步行街（76.6）的內(nèi)向中心度位居前三，表明這些傳統(tǒng)景點(diǎn)是游客從其他景點(diǎn)流向最多的目的地，同時(shí)，外灘（100）、城隍廟（69.6）和南京路步行街（68.3）也是外向中心度最高的節(jié)點(diǎn)，說(shuō)明從這3個(gè)地方流向其他景點(diǎn)的游客量也最多，體現(xiàn)出這3個(gè)節(jié)點(diǎn)在上海迪士尼開(kāi)業(yè)前的上海旅游流網(wǎng)絡(luò)中不僅是重要的標(biāo)志性景點(diǎn)，吸引了最多的游客，而且承擔(dān)了關(guān)鍵的樞紐作用，不同旅游線路的游客在這里交匯再去向不同的景點(diǎn)。上海迪士尼開(kāi)業(yè)后，上海旅游流網(wǎng)絡(luò)中節(jié)點(diǎn)的內(nèi)向中心度排名發(fā)生顯著變化，雖然外灘（100）仍居首位，但上海迪士尼度假區(qū)（94.0）躍升至第二位，南京路步行街（69.9）位列第三；外向中心度方面，外灘（100）繼續(xù)保持領(lǐng)先地位，上海迪士尼度假區(qū)（67.5）和南京路步行街（64.7）緊隨其后，城隍廟雖內(nèi)向中心度與外向中心度均居第四位，但已經(jīng)與前三的節(jié)點(diǎn)出現(xiàn)明顯分異，說(shuō)明上海迪士尼取代了城隍廟在上海旅游網(wǎng)絡(luò)結(jié)構(gòu)中的樞紐作用。值得注意的是，田子坊的內(nèi)向中心度從58.3降至38.8，外向中心度從43.9降至32.9，排名出現(xiàn)明顯下降，而武康路則躋身前十，體現(xiàn)出景點(diǎn)的生命周期變化以及游客需求對(duì)上海旅游網(wǎng)絡(luò)結(jié)構(gòu)中節(jié)點(diǎn)更替的影響。

從整體上看，節(jié)點(diǎn)中心度的分析結(jié)果表明，上海迪士尼度假區(qū)開(kāi)業(yè)8年后，上海迪士尼已經(jīng)成為上海最具代表性的景點(diǎn)。傳統(tǒng)熱門(mén)景點(diǎn)如南京路步行街、城隍廟等在整個(gè)旅游流網(wǎng)絡(luò)中的重要性相對(duì)于其他景點(diǎn)而言未發(fā)生明顯改變，只是相較于上海迪士尼，其熱門(mén)程度有所降低。在上海迪士尼開(kāi)業(yè)前，游客旅游路線主要圍繞南京路步行街、城隍廟和外灘3個(gè)景點(diǎn)展開(kāi)，集中度較高；在上海迪士尼開(kāi)業(yè)后，上海迪士尼度假區(qū)吸引了大量游客，與外灘組成雙核心，削弱了傳統(tǒng)熱門(mén)景點(diǎn)對(duì)游客的吸引力。此外，節(jié)點(diǎn)中心度的變化也體現(xiàn)了游客需求的轉(zhuǎn)變，如田子坊、新天地在上海迪士尼開(kāi)業(yè)后的旅游流網(wǎng)絡(luò)中的重要程度下降明顯，而上海博物館和武康路等新興文化景點(diǎn)的重要性顯著提升，這反映了游客從城市觀光轉(zhuǎn)向主題游樂(lè)與多元文化體驗(yàn)的需求變化。

表2上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海點(diǎn)度中心度排名前十的景點(diǎn)

2.2.2 中間中心度分析

網(wǎng)絡(luò)中節(jié)點(diǎn)的中間中心度反映了節(jié)點(diǎn)橋聯(lián)其他節(jié)點(diǎn)的重要性，中間中心度高的節(jié)點(diǎn)是更多出現(xiàn)在其他節(jié)點(diǎn)間最短路徑上的節(jié)點(diǎn)。上海迪士尼開(kāi)業(yè)前，外灘的中間中心度位居榜首，南京路步行街和田子坊的中間中心度位列第二和第三位，且這3個(gè)景點(diǎn)的中間中心度差異不大。這不僅表明它們?cè)谟慰托谐贪才胖械闹匾B接作用，能夠串聯(lián)其他景點(diǎn)并形成合理的游玩路線，還體現(xiàn)出景點(diǎn)距離鄰近性的影響。外灘與南京路步行街距離近，游客在規(guī)劃行程時(shí)，出于對(duì)出行便捷性和線路連貫性的考量，會(huì)將附近的景點(diǎn)集中安排，且這兩個(gè)景點(diǎn)的游覽順序具有較高靈活度，使得外灘與南京路步行街在上海旅游流網(wǎng)絡(luò)中的連接作用較為相近。田子坊的出現(xiàn)可能是受到了到訪游客群體特征的影響，前往田子坊的游客可能會(huì)選擇更多的非熱門(mén)景點(diǎn)，從而增強(qiáng)了田子坊在非熱門(mén)景點(diǎn)間的橋聯(lián)作用。

上海迪士尼開(kāi)業(yè)后，上海旅游流網(wǎng)絡(luò)發(fā)生變化，上海博物館、武康路和黃浦江的中間中心度顯著提升，分別達(dá)到39.1、26.9和26.2，成為中間中心度排名前十的節(jié)點(diǎn)。上海迪士尼度假區(qū)是最高中間中心度的節(jié)點(diǎn)，成為游客行程中最重要的橋聯(lián)景點(diǎn)。外灘、南京路步行街、城隍廟等中間中心度排名分列第二至第四位，在游客的行程安排中仍然占據(jù)重要地位，但與上海迪士尼的中間中心度存在較大差距。原因可能是游客在安排旅游行程時(shí)，往往會(huì)給上海迪士尼單獨(dú)安排一天的時(shí)間，這給予游客其他行程日更高的自由度，游客可以根據(jù)自身需要在游覽上海迪士尼前后靈活安排其他景點(diǎn)，從而增強(qiáng)了上海迪士尼出現(xiàn)在游客行程安排中其他景點(diǎn)間路徑上的可能性，使其中間中心度與其他熱門(mén)景點(diǎn)拉開(kāi)差距。

表3上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海中間中心度排名前十的景點(diǎn)

2.2.3 接近中心度分析

接近中心度是衡量一個(gè)節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中的可達(dá)性的關(guān)鍵指標(biāo)。本研究中，較高的接近中心度意味著游客能夠較為輕松、便捷地抵達(dá)該景點(diǎn)，其中內(nèi)向接近中心度表明多大程度上游客可以容易地從其他景點(diǎn)出發(fā)抵達(dá)該景點(diǎn)，而外向接近中心度表明多大程度上游客可以容易地從該景點(diǎn)到達(dá)其他景點(diǎn)。表4顯示了上海旅游流網(wǎng)絡(luò)中接近中心度排名前十的景點(diǎn)。這些景點(diǎn)的接近中心度均超過(guò)90，體現(xiàn)出良好的可達(dá)性與便捷性。

表4上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海接近中心度排名前十的景點(diǎn)

在上海迪士尼開(kāi)業(yè)前，外灘是上海旅游流網(wǎng)絡(luò)中內(nèi)向接近中心度最高的景點(diǎn)，新天地、陸家嘴、田子坊、人民廣場(chǎng)和東方明珠、南京路步行街等也都是上海點(diǎn)度中心度和中間中心度排名前列的景點(diǎn)。這些景點(diǎn)不僅是上海的傳統(tǒng)熱門(mén)旅游地，也因交通便利成為游客的匯聚地。例如，外灘鄰近多個(gè)交通樞紐，方便游客前往周邊的陸家嘴、城隍廟等景點(diǎn)；田子坊與多條公交線路、地鐵站相鄰，游客在游玩后能便捷前往其他區(qū)域。外向接近度方面，南京路步行街排名第一位，其他排名前列的熱門(mén)景點(diǎn)包括田子坊、新天地、外灘和城隍廟，表明游客可以非常便捷地從這些景點(diǎn)出發(fā)前往其他景點(diǎn)。值得注意的是，朱家角古鎮(zhèn)的外向和內(nèi)向接近中心度均非常高，而從地理位置上看，其與其他景點(diǎn)的距離并非接近，這可能是由于游客往往將朱家角古鎮(zhèn)安排為一日行程中的主要景點(diǎn)，且不同游客在朱家角古鎮(zhèn)之后的游覽行程較為分散，使得朱家角古鎮(zhèn)的接近中心度得以凸顯。

在上海迪士尼開(kāi)業(yè)后，內(nèi)向與外向接近中心度排名前十的上海景點(diǎn)出現(xiàn)了較大變化?；春Ｂ泛挽o安寺內(nèi)向接近中心度排名前列，在一定程度上是交通區(qū)位優(yōu)勢(shì)的體現(xiàn)，武康路的內(nèi)向接近中心度變化以及七寶老街、馬勒別墅、徐家匯書(shū)院等景點(diǎn)的外向接近中心度變化，可能主要是受游客需求轉(zhuǎn)變的影響。上海迪士尼度假區(qū)的內(nèi)向和外向接近中心度均為網(wǎng)絡(luò)中的最高值。由于上海迪士尼度假區(qū)豐富的游樂(lè)項(xiàng)目、獨(dú)特的主題體驗(yàn)、昂貴的門(mén)票價(jià)格、龐大的園區(qū)規(guī)模以及相對(duì)偏遠(yuǎn)的地理位置等，游客大多會(huì)花費(fèi)一整天甚至更多的時(shí)間在迪士尼游玩，使得上海迪士尼在游客行程規(guī)劃中具有較強(qiáng)的靈活性和獨(dú)立性，對(duì)游客前序和后續(xù)行程安排的影響相對(duì)較小。同時(shí)，迪士尼強(qiáng)大的市場(chǎng)號(hào)召力又使得吸引的游客數(shù)量非常大，不管是從熱門(mén)與非熱門(mén)景點(diǎn)前往上海迪士尼，還是從上海迪士尼前往其他景點(diǎn)的游客數(shù)量均非常多，進(jìn)一步強(qiáng)化了上海迪士尼與其他景點(diǎn)的外向與內(nèi)向聯(lián)系，提升了上海迪士尼的接近中心度。

2.3 景點(diǎn)對(duì)分析

景點(diǎn)對(duì)代表了游客行程中連續(xù)出現(xiàn)的兩個(gè)景點(diǎn)的組合，能直觀地反映游客線路安排中的景點(diǎn)搭配，對(duì)旅游路線規(guī)劃設(shè)計(jì)有重要參考價(jià)值。表5列出了不考慮流動(dòng)方向情況下，游記中出現(xiàn)頻次前十的景點(diǎn)對(duì)。從表格數(shù)據(jù)來(lái)看，上海迪士尼開(kāi)業(yè)前排名前三的景點(diǎn)對(duì)均包含外灘，分別為城隍廟一外灘景點(diǎn)對(duì)，出現(xiàn)209次、占比 27.11% ，南京路步行街一外灘景點(diǎn)對(duì)，出現(xiàn)208次、占比26.98% ，田子坊一外灘景點(diǎn)對(duì)，出現(xiàn)149次、占比 19.33% 。這3組均為上海標(biāo)志性景點(diǎn)的組合，景點(diǎn)地理位置相近，位于上海城區(qū)的傳統(tǒng)旅游核心區(qū)域，游客在空間上的流動(dòng)較為集中。

表5上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海出現(xiàn)頻次排名前十的景點(diǎn)對(duì)

在上海迪士尼開(kāi)業(yè)后，出現(xiàn)了3個(gè)與迪士尼有關(guān)的景點(diǎn)對(duì)，分別為上海迪士尼度假區(qū)一外灘、上海迪士尼度假區(qū)一南京路步行街、上海迪士尼度假區(qū)一東方明珠，其中上海迪士尼度假區(qū)一外灘與南京路步行街一外灘成為游客訪問(wèn)頻次最高的兩組景點(diǎn)對(duì)。南京路步行街一外灘景點(diǎn)對(duì)在上海迪士尼開(kāi)業(yè)后仍然有較的高吸引力，出現(xiàn)238次，占比11. 30% 。

這些結(jié)果表明大量游客會(huì)將自己的迪士尼之旅安排在到訪外灘、南京路步行街、東方明珠等上海傳統(tǒng)標(biāo)志性景點(diǎn)前后，游客在外灘與陸家嘴片區(qū)的行程緊鄰在浦東新區(qū)川沙地區(qū)的迪士尼行程。此外，上海迪士尼與上海傳統(tǒng)標(biāo)志性景點(diǎn)的組合也表明上海迪士尼并非獨(dú)立地出現(xiàn)在游客行程中，而是嵌入經(jīng)典的上海旅游路線，并成為上海新一輪經(jīng)典旅游路線的重要節(jié)點(diǎn)。另外，對(duì)比表5中的景點(diǎn)對(duì)占比可以發(fā)現(xiàn)，上海迪士尼開(kāi)業(yè)后熱門(mén)景點(diǎn)對(duì)在游客游記中出現(xiàn)的比例更低。以排名第一的上海迪士尼度假區(qū)一外灘景點(diǎn)對(duì)為例，其出現(xiàn)頻率 （15.00%） 僅可在上海迪士尼開(kāi)業(yè)前熱門(mén)景點(diǎn)對(duì)中排第八位，稍高于南京路步行街一田子坊的出現(xiàn)頻率 （13.62% ），體現(xiàn)出上海迪士尼開(kāi)業(yè)后游客線路選擇多樣化的特點(diǎn)。

2.4 子群結(jié)構(gòu)分析

子群分析能夠識(shí)別網(wǎng)絡(luò)中具有密切聯(lián)系的節(jié)點(diǎn)群組，揭示節(jié)點(diǎn)之間的內(nèi)在關(guān)聯(lián)性。對(duì)上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后的上海旅游流網(wǎng)絡(luò)進(jìn)行子群識(shí)別，可以在較大程度上反映游客的線路安排與空間流動(dòng)特征。本文選取上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后頻次最高的50個(gè)景點(diǎn)進(jìn)行子群結(jié)構(gòu)分析，這些景點(diǎn)的出現(xiàn)頻次占所有景點(diǎn)的 63.8% 和 54.4% ，能夠較為充分地反映上海旅游流網(wǎng)絡(luò)的節(jié)點(diǎn)關(guān)聯(lián)性，且景點(diǎn)相互聯(lián)系更加緊密，社區(qū)模塊度分別為0.170和0.169，體現(xiàn)出一定的子群結(jié)構(gòu)特征。圖2以不同顏色代表旅游流網(wǎng)絡(luò)中的不同子群。在上海迪士尼開(kāi)業(yè)前，上海主要景點(diǎn)間的旅游流網(wǎng)絡(luò)由3個(gè)子群構(gòu)成：都市風(fēng)光子群、文化休閑子群以及外灘子群（表6）。都市風(fēng)光子群以東方明珠和陸家嘴為核心，主要分布于黃浦江沿岸以東區(qū)域，包括上?？萍拣^、上海環(huán)球金融中心、金茂大廈等具有影響力的景點(diǎn)。文化休閑子群以田子坊為核心，也包含新天地、1933老場(chǎng)坊、靜安寺以及上海高等院校在內(nèi)的地方文化、購(gòu)物休閑和文化教育場(chǎng)所。外灘子群以外灘景點(diǎn)群為核心，除外灘、城隍廟、南京路步行街等外，還包含人民廣場(chǎng)、上海博物館、杜莎夫人蠟像館等景點(diǎn)，集中分布于黃浦區(qū)。該子群也包含上海主要對(duì)外交通樞紐，反映出外灘子群對(duì)外地游客的吸引力。

上海迪士尼開(kāi)業(yè)后，上海主要景點(diǎn)旅游流網(wǎng)絡(luò)的子群結(jié)構(gòu)發(fā)生變化。原本的三子群結(jié)構(gòu)轉(zhuǎn)變?yōu)槲遄尤航Y(jié)構(gòu)。上海迪士尼并未成為單獨(dú)的子群，而是進(jìn)入原本的外灘子群，與外灘共同構(gòu)成該子群的核心。該子群由上海迪士尼、外灘、南京路步行街、人民廣場(chǎng)以及虹橋機(jī)場(chǎng)、浦東機(jī)場(chǎng)和虹橋火車(chē)站組成，表明上海迪士尼與外灘共同成為外地游客心目中的上海標(biāo)志性景點(diǎn)。對(duì)比原本的外灘子群，虹橋火車(chē)站取代了上海站，也反映出我國(guó)高速鐵路對(duì)游客出行到訪目的地的影響。城隍廟與豫園單獨(dú)成為子群，表明這兩個(gè)景點(diǎn)一定程度上已經(jīng)逐漸淡出上海標(biāo)志性景點(diǎn)之列，而由于它們與外灘和南京路步行街的臨近性，仍有遠(yuǎn)超其他景點(diǎn)的游客到訪率。原外灘子群的非核心景點(diǎn)“漂移”至都市風(fēng)光子群或休閑文化子群，如上海杜莎夫人蠟像館進(jìn)入都市風(fēng)光子群，上海博物館成為文化休閑子群的重要節(jié)點(diǎn)，體現(xiàn)出上海迪士尼嵌入上海旅游流網(wǎng)絡(luò)后，游客在線路安排方面做出調(diào)整以及相應(yīng)的游客需求分異。文化休閑子群雖仍以田子坊為核心，但武康路躍升為該子群中心度排名第二的景點(diǎn)，反映出游客在上海開(kāi)展文化休閑旅游的需求變化。此外，新出現(xiàn)了包含上海野生動(dòng)物園、上海海昌海洋公園、上海影視樂(lè)園、朱家角古鎮(zhèn)、七寶老街等的親子休閑子群。該子群的出現(xiàn)一方面體現(xiàn)了“主題公園與歷史文化資源聯(lián)動(dòng)發(fā)展”①的上海旅游發(fā)展規(guī)劃要求，另一方面反映出中國(guó)親子游市場(chǎng)的快速增長(zhǎng)②。

3 結(jié)論與討論

3.1 結(jié)論

本文采集馬蜂窩、同程旅游、去哪兒和攜程旅游等4個(gè)旅游平臺(tái)的上海相關(guān)游記，通過(guò)使用大語(yǔ)言模型對(duì)游客游覽軌跡進(jìn)行提取，根據(jù)游客旅游線路構(gòu)建了上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后的旅游流網(wǎng)絡(luò)，并通過(guò)對(duì)比兩個(gè)網(wǎng)絡(luò)的景點(diǎn)中心度、景點(diǎn)對(duì)與子群結(jié)構(gòu)等，識(shí)別上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海旅游流網(wǎng)絡(luò)特征變化。研究發(fā)現(xiàn)：1）上海迪士尼與外灘共同構(gòu)成上海旅游流網(wǎng)絡(luò)的“雙核心”，上海迪士尼是上海旅游游記中游客提及頻次最高、節(jié)點(diǎn)中心度最高的節(jié)點(diǎn)之一，已經(jīng)成為上海最具標(biāo)志性的旅游景點(diǎn)。2）上海迪士尼在上海旅游流網(wǎng)絡(luò)中并非孤峰，而是有機(jī)地嵌入上海城市旅游格局。游客在游覽上海迪士尼之外，依然會(huì)到訪外灘、南京路步行街、東方明珠等傳統(tǒng)標(biāo)志性景點(diǎn)。3）上海迪士尼在旅游流網(wǎng)絡(luò)中具有高中間中心度和接近中心度，表明上海迪士尼在游客行程中不僅出現(xiàn)頻次高，還與網(wǎng)絡(luò)中的其他景點(diǎn)有良好的聯(lián)通度。這一定程度上得益于上海迪士尼相對(duì)偏遠(yuǎn)的地理位置以及較長(zhǎng)的游覽時(shí)間需要。游客往往在上海迪士尼行程當(dāng)日不會(huì)安排其他重要景點(diǎn)的游覽活動(dòng)，為上海迪士尼在游客行程中的出現(xiàn)位置帶來(lái)較強(qiáng)的靈活度，使上海迪士尼可以與更多的其他景點(diǎn)組合。4）上海迪士尼開(kāi)業(yè)后，上海旅游流網(wǎng)絡(luò)中的子群數(shù)量由上海迪士尼開(kāi)業(yè)前的3個(gè)子群（外灘子群、都市風(fēng)光子群以及文化休閑子群）增加為5個(gè)子群。上海迪士尼進(jìn)入由外灘、南京路步行街等為主要節(jié)點(diǎn)的外灘子群，成為外灘以外的核心節(jié)點(diǎn)，展現(xiàn)出對(duì)外地游客的強(qiáng)吸引力。城隍廟與豫園逐漸淡出上海最具標(biāo)志性和最具吸引力的景點(diǎn)范圍。親子休閑一古鎮(zhèn)子群的出現(xiàn)集中體現(xiàn)了上海城市旅游發(fā)展的供需變化。原外灘子群中非核心景點(diǎn)的“漂移”也體現(xiàn)出都市觀光需求與文化休閑需求的分異。

3.2 討論

本文聚焦上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后上海城市旅游流網(wǎng)絡(luò)的變化，研究思路與蔚海燕等[8]35基本相似，均通過(guò)游客游覽軌跡構(gòu)建旅游流網(wǎng)絡(luò)以分析網(wǎng)絡(luò)特征，但研究發(fā)現(xiàn)上卻存在較大差別。蔚海燕等發(fā)現(xiàn)，上海迪士尼開(kāi)業(yè)后，上海城市旅游呈現(xiàn)“三核心”的結(jié)構(gòu)，上海迪士尼、東方明珠與野生動(dòng)物園共同組成上海旅游流網(wǎng)絡(luò)的核心[8]41。然而，本研究卻發(fā)現(xiàn)上海迪士尼與外灘是當(dāng)前上海旅游流網(wǎng)絡(luò)的核心。時(shí)間因素和數(shù)據(jù)范圍是產(chǎn)生這一區(qū)別的重要原因。從數(shù)據(jù)方面來(lái)看，蔚海燕等的游客游覽路線通過(guò)特定38個(gè)景點(diǎn)的游客點(diǎn)評(píng)獲得，以7天作為時(shí)間窗口期，通過(guò)相同點(diǎn)評(píng)者ID以及點(diǎn)評(píng)時(shí)間確定游客游覽線路[8]35，較難覆蓋游客未點(diǎn)評(píng)景區(qū)，尤其是外灘、南京路步行街等無(wú)須購(gòu)買(mǎi)門(mén)票即可游覽的景區(qū)。本研究通過(guò)游客撰寫(xiě)的游記提取游覽線路，更加全面地覆蓋了游客單次行程中到訪的景點(diǎn)，不僅網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量大幅提升，還包含更廣泛意義上的封閉式與開(kāi)放式景點(diǎn)。從時(shí)間尺度來(lái)看，已有研究聚焦上海迪士尼開(kāi)業(yè)前后兩年內(nèi)的游客點(diǎn)評(píng)數(shù)據(jù)，上海迪士尼在游客游覽路線中的作用體現(xiàn)得尚不充分，本研究關(guān)注上海迪士尼開(kāi)業(yè)前至開(kāi)業(yè)后8年的游客游記，對(duì)上海迪士尼在上海旅游流網(wǎng)絡(luò)中的作用進(jìn)行判斷的時(shí)機(jī)相對(duì)更成熟。比如，上海迪士尼有機(jī)嵌入上海原本的旅游流網(wǎng)絡(luò)這一發(fā)現(xiàn)就是需要一定時(shí)間才可以觀察得到的結(jié)論。

另外，8年時(shí)間中游客需求、上海旅游供給與交通服務(wù)等也在不斷演變，為游客在上海的旅游流動(dòng)提供了新的機(jī)會(huì)與目標(biāo)，影響了上海旅游流網(wǎng)絡(luò)結(jié)構(gòu)。例如，迪士尼站所屬的上海11號(hào)線與其他地鐵線路的聯(lián)動(dòng)性大幅提升，多條地鐵線路為游客提供了便捷的換乘網(wǎng)絡(luò)，增強(qiáng)了游客在上海迪士尼與上海其他景點(diǎn)之間的流動(dòng)。交通便捷性在東京迪士尼樂(lè)園發(fā)展過(guò)程中的作用可以為理解上海迪士尼融入城市旅游格局的過(guò)程提供參考。東京迪士尼樂(lè)園位于東京千葉縣浦安市，盡管所在區(qū)域旅游資源相對(duì)單一，主要依賴(lài)迪士尼樂(lè)園，但隨著地鐵巴士線路的豐富和發(fā)展，東京迪士尼成為東京交通網(wǎng)的一部分，游客可以便捷地往返迪士尼樂(lè)園與周邊區(qū)縣的景點(diǎn)。主題公園對(duì)城市旅游網(wǎng)絡(luò)的影響不僅是樂(lè)園本身帶來(lái)的經(jīng)濟(jì)效益與社會(huì)效益，還有借助交通、政策等因素[36]進(jìn)一步激發(fā)與激活的影響[37]。便捷的交通條件可以促使位置較為偏遠(yuǎn)的大型主題樂(lè)園有效接入城市旅游流網(wǎng)絡(luò)。上海迪士尼開(kāi)業(yè)8年間上海城市交通的發(fā)展，推動(dòng)上海迪士尼嵌入上海城市旅游格局，帶來(lái)了游客旅游線路以及上海旅游流網(wǎng)絡(luò)特征的長(zhǎng)期變化。

上海迪士尼雖然位于浦東新區(qū)，但其與浦東新區(qū)其他景點(diǎn)之間的聯(lián)系在上海旅游流網(wǎng)絡(luò)中并不突出。由于在上海迪士尼游玩通常需要一整天時(shí)間，加上前往野生動(dòng)物園等景點(diǎn)需要額外換乘（地鐵16號(hào)線 + 公交），游客往往選擇放棄這些相對(duì)不便的景點(diǎn)。這使得上海迪士尼的交通優(yōu)勢(shì)反而削弱了其與周邊景點(diǎn)的聯(lián)動(dòng)效應(yīng)，其吸引力不僅未能有效地帶動(dòng)周邊流量，反而因行程時(shí)間的沖突性，一定程度上抑制了游客對(duì)上海迪士尼周邊非核心景點(diǎn)的訪問(wèn)意愿。近年來(lái)，上海市著力引導(dǎo)上海迪士尼與周邊景區(qū)的協(xié)同發(fā)展，如上海市人民政府辦公廳印發(fā)的《“十四五”時(shí)期深化世界著名旅游城市建設(shè)規(guī)劃》明確提出，要開(kāi)展國(guó)際旅游度假區(qū)旅游城提升工程，重點(diǎn)推動(dòng)上海迪士尼與周邊文旅資源的功能互補(bǔ)③。2025 年上海薰衣草節(jié)也強(qiáng)調(diào)以“薰衣草 + ”為主題，通過(guò)跨景區(qū)票務(wù)優(yōu)惠與主題線路等聯(lián)動(dòng)迪士尼小鎮(zhèn)、上海野生動(dòng)物園等6 大主體④。雖然這些政策對(duì)提升上海迪士尼與周邊景區(qū)聯(lián)動(dòng)方面卓有成效，但其真正地參與群體仍以本地游客為主。對(duì)于旅游行程緊湊的外地游客而言，仍希望可以到訪上海更具標(biāo)志性和代表性的景點(diǎn)，浦東新區(qū)內(nèi)部景區(qū)聯(lián)動(dòng)舉措對(duì)其線路安排的影響仍較有限。

本文中上海迪士尼開(kāi)業(yè)后的上海旅游流網(wǎng)絡(luò)包含疫情期間的游客出游軌跡。其中，發(fā)布時(shí)間在2019年12月31日至2023年1月7日的游記數(shù)量為751篇，占開(kāi)業(yè)后總樣本的 26.09% 。由于常態(tài)化疫情防控期間游客仍有良好的流動(dòng)性，真正受到疫情影響的樣本數(shù)量可能更少。然而，疫情對(duì)上海迪士尼開(kāi)業(yè)后上海旅游流網(wǎng)絡(luò)特征的影響仍然值得討論。首先，核心景點(diǎn)（如上海迪士尼、外灘）的訪問(wèn)率可能受到疫情防控措施和游客風(fēng)險(xiǎn)規(guī)避心理的影響出現(xiàn)明顯下降，游客會(huì)更傾向選擇人流量少的開(kāi)放空間。其次，疫情造成的出行限制可能促使旅游空間活動(dòng)從高度集聚轉(zhuǎn)向相對(duì)分散，增強(qiáng)與行政區(qū)或功能片區(qū)內(nèi)的景點(diǎn)聯(lián)系，削弱跨區(qū)景點(diǎn)間的空間聯(lián)系。在不受疫情影響的情況下，本文中熱門(mén)景點(diǎn)的出現(xiàn)頻率以及中心程度可能會(huì)更高，跨區(qū)域的景點(diǎn)對(duì)以及子群出現(xiàn)頻率也會(huì)有所提升。

本研究通過(guò)游記分析游客出游線路，揭示了上海旅游流網(wǎng)絡(luò)從以外灘為核心的“單中心結(jié)構(gòu)\"向以上海迪士尼和外灘為核心的“雙核心結(jié)構(gòu)”的轉(zhuǎn)變，刻畫(huà)了上海迪士尼在上海旅游流網(wǎng)絡(luò)中的位置與聯(lián)系。借助大語(yǔ)言模型進(jìn)行網(wǎng)絡(luò)文本信息抽取，本研究展現(xiàn)了大語(yǔ)言模型在旅游數(shù)據(jù)分析與處理中的作用，為旅游大數(shù)據(jù)分析提供了可供借鑒的技術(shù)路徑?；诒疚难芯堪l(fā)現(xiàn)，旅游企業(yè)和行業(yè)管理部門(mén)可以更為清晰地把握上海游客流動(dòng)的基本特征與旅游景點(diǎn)關(guān)聯(lián)結(jié)構(gòu)，進(jìn)行相應(yīng)的產(chǎn)品與線路開(kāi)發(fā)設(shè)計(jì)。例如，創(chuàng)新產(chǎn)品組合，將上海迪士尼納入上海經(jīng)典游線，開(kāi)發(fā)更多樣化的含上海迪士尼的多日包價(jià)或半包價(jià)旅游產(chǎn)品；圍繞同子群景點(diǎn)，開(kāi)發(fā)主題性游覽線路，推出具有一定靈活性的多日景點(diǎn)套票，增強(qiáng)子群內(nèi)非核心景點(diǎn)的吸引力；國(guó)際旅游度假區(qū)內(nèi)或浦東新區(qū)其他景點(diǎn)應(yīng)著力開(kāi)發(fā)面向非上海本地游客的多日主題性研學(xué)產(chǎn)品或親子休閑產(chǎn)品，降低上海迪士尼對(duì)其遮蔽效應(yīng)。

3.3 研究不足與展望

本文通過(guò)提取網(wǎng)絡(luò)游記中的游客游覽路線，對(duì)比上海迪士尼開(kāi)業(yè)前與開(kāi)業(yè)后的上海旅游流網(wǎng)絡(luò)特征，研究結(jié)果對(duì)于理解主題公園與城市旅游發(fā)展有一定的參考價(jià)值。本文的研究不足主要體現(xiàn)在3個(gè)方面。第一，由于數(shù)據(jù)來(lái)源網(wǎng)站的更新與維護(hù)，發(fā)布時(shí)間較久的游記內(nèi)容存在更多信息缺失情況，致使實(shí)際獲取到的有效游記數(shù)量與網(wǎng)站所顯示的游記總量存在偏差，且上海迪士尼開(kāi)業(yè)后的樣本量也高于開(kāi)業(yè)前的樣本量。雖然本文研究發(fā)現(xiàn)主要基于景點(diǎn)排序以及標(biāo)準(zhǔn)化后的指標(biāo)得出，但景點(diǎn)出現(xiàn)頻次降低也會(huì)對(duì)景點(diǎn)間連接造成影響，在進(jìn)行前后對(duì)比時(shí)需要更加審慎。第二，本文僅選取旅游網(wǎng)絡(luò)游記這一長(zhǎng)文本內(nèi)容展開(kāi)分析，并未考慮短文本、圖片、視頻等多模態(tài)信息，未來(lái)可以拓展研究數(shù)據(jù)，進(jìn)行多模態(tài)信息的抽取與處理，對(duì)比基于多模態(tài)信息的旅游流網(wǎng)絡(luò)特征與基于游記內(nèi)容的旅游流網(wǎng)絡(luò)特征。第三，本文使用智譜清言大模型進(jìn)行數(shù)據(jù)清洗與處理，雖然為游客游覽線路的分析提供了新的數(shù)據(jù)處理思路，但受限于大模型技術(shù)黑箱與不同模型的技術(shù)差異，數(shù)據(jù)處理準(zhǔn)確度受到提示詞與模型類(lèi)別的影響。

雖然本文結(jié)合了人工核驗(yàn)以提高數(shù)據(jù)處理結(jié)果的準(zhǔn)確性，但隨著大語(yǔ)言模型的不斷迭代，大語(yǔ)言模型或版本的不同以及提示詞的差異可能產(chǎn)生不同的數(shù)據(jù)處理結(jié)果。未來(lái)研究可比較不同大語(yǔ)言模型的數(shù)據(jù)處理與分析結(jié)果，對(duì)大語(yǔ)言模型輔助數(shù)據(jù)處理的可靠性進(jìn)行更加準(zhǔn)確地判斷。

注釋

① 資料來(lái)源：https：//www.shanghai.gov.cn/202114bgtwj/ 20210720/ee9d412010604d68a32ddbe7107f9cf2.html. ② 資料來(lái)源：https：//www.ctaweb.org.cn/index.php？m L= homeamp;c=Viewamp;a=indexamp;aid=854oamp;lang=cn. ③ 資料來(lái)源：https：//www.shanghai.gov.cn/nw12344/ 20210622/aa237680c16d4433a2ce1951a3b204de.html.

④ 資料來(lái)源：https：//www.shanghai.gov.cn/nwl7239/20250512/96007b7067d046bbafde37a16daad778.html.

參考文獻(xiàn)

[1］謝婷．五部委聯(lián)合發(fā)文規(guī)范主題公園建設(shè)[J]．就業(yè) 與保障，2018（5）：5.

[2]趙瑩，汪麗，黃瀟婷，等．主題公園演藝項(xiàng)目對(duì)旅游者 活動(dòng)空間的影響：基于時(shí)空可達(dá)性的分析[J]：旅游學(xué) 刊，2017（12）：49-57.

[3]于秋陽(yáng)，徐亞征．論迪士尼科技與文化融合發(fā)展及其 啟示[J]．經(jīng)濟(jì)問(wèn)題探索，2012（6）：40-46.

[4]毛潤(rùn)澤，何建民．上海迪士尼樂(lè)園對(duì)其周邊區(qū)域產(chǎn)業(yè) 發(fā)展的影響研究：基于國(guó)際經(jīng)驗(yàn)借鑒[J]．華東經(jīng)濟(jì)管 理，2010（5）：1-5.

[5]MCCLUNG G W. Theme park selection： factors influencing attendance[J].Tourism management，1991 （2）：132-140.

[6]ZHANG Y，LI X R，SU Q. Does spatial layout matter to theme park tourism carrying capacity？ [J]. Tourism management，2017，61：82-95.

[7]BIGNE JE，ANDREU L，GNOTH J. The theme park experience：an analysis of pleasure，arousal and satisfaction[J]. Tourism management，2005，26：833-844.

[8]蔚海燕，戴澤釩，許鑫，等．上海迪士尼對(duì)上海旅游流 網(wǎng)絡(luò)的影響研究：基于驢媽媽游客數(shù)字足跡的視角 [J]．旅游學(xué)刊，2018（4）：33-45．

[9]BAGGIO R. Network analysis of a tourism destination[D]. Queensland： The University of Queensland， 2008.

[10]BAGGIO R，SCOTT N，WANG Z. What network analysis of the WWW can tell us about the organisation of tourism destinations[C]//CAUTHE 2007： Tourism-Past Achievements， Future Challenges， Sydney：University of Technology Sydney，2007.

[11]LUO Q J，ZHONG D X. Using social network analysis to explain communication characteristics of travel-related electronic word-of-mouth on social networking sites[J]. Tourism management，2015，46： 274- 282.

[12]PAN X，RASOULI S，TIMMERMANS H. Investigating tourist destination choice：effect of destination image from social network members[J]. Tourism management，2021，83：104217.

[13]MINNAERT L. Stakeholder stories：exploring social tourism networks[J]. Annals of tourism re search，2020，83：102979.

[14]張妍妍，李君軼，楊敏．基于旅游數(shù)字足跡的西安旅 游流網(wǎng)絡(luò)結(jié)構(gòu)研究[J]．人文地理，2014（4）：111- 118.

[15]李磊，陶卓民，陸林，等．貴州省避暑旅游流網(wǎng)絡(luò)結(jié)構(gòu) 特征及其影響因素[J]．地理研究，2021（11）：3208- 3224.

[16]SHIH H-Y. Network characteristics of drive tourism destinations：an application of network analysis in tourism[J]. Tourism management，2006，27：1029- 1039.

[17]SCOTT N，COOPER C，BAGGIO R. Destination networks： four Australian cases [J]. Annals of tourism research，2008（1）：169-188.

[18]張文，頓雪霏．探討大陸游客對(duì)臺(tái)灣旅游目的地形象 的感知：基于網(wǎng)上游記的內(nèi)容分析[J].北京第二外 國(guó)語(yǔ)學(xué)院學(xué)報(bào)，2010（11）：75-83.

[19]姚占雷，許鑫，李麗梅，等．網(wǎng)絡(luò)游記中的景區(qū)共現(xiàn)現(xiàn) 象分析：以華東地區(qū)首批國(guó)家5A級(jí)旅游景區(qū)為例 [J]．旅游科學(xué)，2011（2）：39-46.

[20]孫媛媛，時(shí)少華．基于網(wǎng)絡(luò)游記的運(yùn)河沿岸城市旅游 流網(wǎng)絡(luò)結(jié)構(gòu)特征及影響因素研究［J]．旅游導(dǎo)刊， 2023（5）：43-65.

[21]裴炳森，李欣，吳越．基于ChatGPT的電信詐騙案件 類(lèi)型影響力評(píng)估[J]．計(jì)算機(jī)科學(xué)與探索，2023（10）： 2413-2425.

[22]曾文龍，劉丹，張超．基于大模型的智能抄清：事件要 點(diǎn)抽取與報(bào)告生成[J]．網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2023 （12）：20-26.

[23]喻金龍，張磊，許寧，等．ChatGPT在風(fēng)濕科中醫(yī)電 子病歷癥狀信息預(yù)處理中的應(yīng)用[J]．中華中醫(yī)藥學(xué) 刊，2025（3）：24-29.

[24]DIMAGGIO P，NAG M， BLEI D. Exploiting affinities between topic modeling and the sociological perspective on culture： application to newspaper coverage of US government arts funding[J]. Poetics，2013 （6）： 570-606.

[25]EGGER R，YU J. A topic modeling comparison between IDA，NMF Top2Vec，and BERTopic to demystify Twitter posts[J/OL]. Frontiers in sociology， 2022，7： 886498.[2025-02-04]. https：//doi. org/10. 3389/fsoc.2022. 886498.

[26]VAYANSKY I， KUMAR S A. A review of topic modeling methods[J/OL]. Information systems， 2020，94：101582.[2025-02-04]. https：//doi.org/ 10.1016/j. is.2020.101582.

[27] LAUREATECD P，BUNTINE W，LINGER H. A systematic review of the use of topic models for short text social media analysis[J]. Artificial intelligence review，2023（56）：14223-14255.

[28]YANG F X，LI Y，LI X，et al. The beauty premium of tour guides in the customer decision-making process：：an AI-based big data analysis [J/OL]. Tourism management，2022，93：104575.[2025-02- 04].https：//doi. org/10.1016/j. tourman. 2022. 104575.

[29] RITA P，MOUTINHO L. An expert system for national tourist offices[J]. Annals of tourism research， 1994（1）： 143-145.

[30]YANG Y W，F(xiàn)AN Y，JIANG L，et al. Search query and tourism forecasting during the pandemic：when and where can digital footprints be helpful as predic tors？ [J/OL]. Annals of tourism research，2022，93： 103365.[2025-02-04]. https：//doi. org/10.1016/j. annals.2022.103365.

[31]DEVLIN J，CHANG M W，LEE K，et al. BERT： pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of the 2019 conference of the North American Chapter of the Association for Computational Linguistics： Human Language Technologies，volume 1 （long and short papers）.Minneapolis ： Association for Computational Linguistics，2019： 4171-4186.

[32] CARVALHO 1，IVANOV S. ChatGPT for tourism： applications，benefits and risks[J]. Tourism review， 2024（2）：290-303.

[33]FESENMAIER DR，WOBER K. AI，ChatGPT and the university[J/OL]. Annals of tourism research， 2023，101：103578.[2025-02-04].https：//doi.org/ 10.1016/j.annals. 2023.103578.

[34]ZHANG H X，LIU R H，EGGER R. Unlocking uniqueness：analyzing online reviews of Airbnb experiences using BERT-based models[J]. Journal of travel research，2024（7）：1688-1708.

[35]SHIJ，LEE M W，GIRISH V G，et al. Embracing the ChatGPT revolution： unlocking new horizons for tourism[J]. Journal of hospitality and tourism tech

[37]王大悟．主題樂(lè)園長(zhǎng)盛不衰十大要素論析：以美國(guó)迪斯尼世界為案例的實(shí)證研究［J]．旅游學(xué)刊，2007（2）：33-37.

Comparative Analysis of Shanghai's Tourist Flow Network Before and After the Opening of Shanghai Disney Resort Based on Large Language Model

Tu Qirui，Wang Yuan，Gao Niying，Wang Renwu （School of Economics and Management，East China Normal University，Shanghai 2Oo062， China）

Abstract： Since its inception，Shanghai Disney Resort has been widely expected to exert a significant influence on the tourism landscape of both Shanghai and the broader East China region. Although the park has been in operation for over eight years and its impact on the city's tourism patterns has largely stabilized， systematic research comparing the structural changes in Shanghai’s tourist flow network before and after the park's opening remains limited. This study collcts tourist travelogues from multiple online travel platforms and leverages a pre-trained large language model to extract tourist itineraries，and constructs tourist attraction association networks for the periods before and after the opening of Shanghai Disney Resort.Social network analysis was applied to examine and compare the characteristics of these networks. The findings reveal that the opening of Shanghai Disney Resort transformed the city’s tourist flow network from a single-core structure centered on the Bund to a dual-core structure anchored by both the Bund and Disney. Rather than emerging as an isolated sub-network，Shanghai Disney has been organically integrated into the existing tourist flow structure and has significantly influenced the sub-group characteristics of previously non-core attactions. The study demonstrates the potential of large language models in enhancing itinerary extraction and network construction in tourism studies，thereby enriching methodological approaches in the field. The findings offer valuable insights for the coordinated development of theme parks and urban tourism.

Keywords： Shanghai Disney Resort； social network analysis； large language model; centrality； subgroupstructure

[責(zé)任編輯：呂觀盛]